周 立

(武漢地鐵集團有限公司, 武漢 430040)

0 引 言

隨著我國地鐵軌道交通和高速鐵路的飛速發(fā)展,地鐵隧道區(qū)間下穿鐵路施工現(xiàn)象越來越普遍。在盾構(gòu)下穿鐵路工程中,施工階段是主要的風險源頭。為了控制盾構(gòu)推進過程中對周圍環(huán)境的影響,限制地基和軌道變形,保障上部鐵路的正常運營,開展盾構(gòu)下穿鐵路施工過程風險動態(tài)評估與決策,對施工過程中的風險狀態(tài)進行實時監(jiān)控與預警具有重要研究意義。

國內(nèi)外對于盾構(gòu)隧道下穿鐵路施工安全影響研究主要有理論分析法、數(shù)值模擬、模糊評價等方法。Shi等基于彈性理論建立土體-隧道相互作用彈性模型,利用隨機介質(zhì)理論預測盾構(gòu)施工引起的地表移動變形[1]。Wang利用數(shù)值模擬針對黃土層淺埋雙連拱隧道穿越對既有鐵路運營安全影響的特點,提出鐵路路基和軌道沉降的控制標準[2]。陳海豐等基于理論分析和三維數(shù)值仿真研究了軟弱地層地鐵盾構(gòu)下穿高鐵的安全控制技術(shù)[3]。馬相峰等通過數(shù)值模擬對地鐵盾構(gòu)下穿多股道鐵路路基變形控制優(yōu)化進行研究[4]。祝嘉輝等結(jié)合現(xiàn)場資料探究下穿施工時既有高鐵線路沉降規(guī)律及盾構(gòu)施工參數(shù)控制[5]。薛春瑞將調(diào)查打分法和數(shù)值模擬相結(jié)合,建立了盾構(gòu)隧道穿越既有高鐵風險評價模型[6]。林大涌等通過層次分析法識別風險因素,利用模糊集理論建立了風險模糊綜合評價模型[7]。上述研究主要集中于沉降變化規(guī)律分析,對風險管理研究不充分,傳統(tǒng)的評價方法局限于靜態(tài)推理,難以反映風險演化過程。

盾構(gòu)下穿鐵路施工安全涉及的致險因素繁雜多樣,由于監(jiān)測數(shù)據(jù)的不確定性和多源復雜致險信息的動態(tài)變化,對盾構(gòu)下穿鐵路工程安全風險進行實時監(jiān)控與更新管理十分重要。貝葉斯網(wǎng)絡(luò)可以很好地用于知識表示和概率推理,云模型將定量數(shù)值轉(zhuǎn)化成定性概念時能充分表達模糊不確定性,使用云模型可以將貝葉斯網(wǎng)絡(luò)節(jié)點的數(shù)據(jù)轉(zhuǎn)化為處于各個屬性狀態(tài)的確定度,進而實現(xiàn)網(wǎng)絡(luò)節(jié)點的離散化,同時描述了定性概念的模糊性。本文將云模型和貝葉斯網(wǎng)絡(luò)結(jié)合,建立云貝葉斯網(wǎng)絡(luò)的動態(tài)風險分析模型,可根據(jù)系統(tǒng)中實時獲取的證據(jù)實現(xiàn)模型的更新[8],解決了傳統(tǒng)風險分析方法在動態(tài)風險評價問題中的限制。盾構(gòu)下穿鐵路首先對盾構(gòu)下穿鐵路施工致險因素進行分析,根據(jù)專家知識和工程經(jīng)驗建立施工安全貝葉斯網(wǎng)絡(luò),利用云模型離散節(jié)點數(shù)據(jù)獲取先驗概率,基于貝葉斯網(wǎng)絡(luò)進行風險概率推理、敏感性分析和逆向診斷,使用綜合云獲得系統(tǒng)節(jié)點最終的風險值,為工程施工安全風險的實時監(jiān)控與預警提供決策支持。

1 理論基礎(chǔ)

1.1 云模型

云模型是用語言值描述的某個定性概念與其數(shù)值表示之間的不確定性轉(zhuǎn)換模型[9]。設(shè)U是一個論域U={x},T是與U相聯(lián)系的語言值。U中的元素x對于T所表達的定性概念的隸屬度CT(x) (或稱x與T的相容度)是一個具有穩(wěn)定傾向的隨機數(shù),隸屬度在論域上的分布稱為隸屬云[10]。CT(x)在[0,1]中取值,云是從論域U到區(qū)間[0,1]的映射,即CT(x):U→[0,1],?x∈U,x→CT(x)。

(1)

1.2 貝葉斯網(wǎng)絡(luò)

貝葉斯網(wǎng)絡(luò)(BN)結(jié)構(gòu)是一個有向無環(huán)圖,由代表隨機變量的節(jié)點以及連接節(jié)點的有向邊構(gòu)成。有向邊,表示了節(jié)點之間的條件依賴關(guān)系,從父節(jié)點指向子節(jié)點。若節(jié)點之間沒有有向邊,則說明它們相互獨立。條件概率用于定量地描述節(jié)點之間的依賴關(guān)系,是BN建立和推理的基礎(chǔ)。對于沒有父節(jié)點的節(jié)點,利用邊緣概率分布表達信息。

貝葉斯的推理是基于貝葉斯公式(2)[8]進行的,給定變量B一種狀態(tài)b,對于變量A的狀態(tài)aj,j=1,2,…,k,可用公式(3)表示概率關(guān)系:

(2)

(3)

其中P(A=aj|B=b)是觀察證據(jù)b成立A=aj假設(shè)成立的概率,P(B=b|A=aj)是當aj為真時,B=b被觀測到的可能性。P(A=aj)是假設(shè)成立的可能性,P(B=b)是證據(jù)發(fā)生的概率,P(A=aj|B=b)和P(A=aj)分別被稱為后驗概率和先驗概率。

2 基于云貝葉斯網(wǎng)絡(luò)動態(tài)安全風險評價模型

為了實現(xiàn)盾構(gòu)下穿鐵路近接施工風險的動態(tài)評估,本研究開發(fā)了基于云貝葉斯的安全風險評價推理模型。它主要包括以下幾個步驟:1)貝葉斯網(wǎng)絡(luò)構(gòu)建;2)云模型獲取先驗概率;3)云貝葉斯前向推理預測;4)事中、事后保護。圖1為所提出方法的流程圖。

圖1 基于云貝葉斯網(wǎng)絡(luò)的施工安全動態(tài)評價方法流程

2.1 貝葉斯網(wǎng)絡(luò)構(gòu)建

2.1.1建立盾構(gòu)下穿鐵路施工風險評價指標體系和標準

一般情況下,導致隧道施工安全事故的主要原因可分為3個方面:不良地質(zhì)條件、設(shè)計和施工參數(shù)不當、管理不善[8]。通過查閱大量文獻以及對盾構(gòu)下穿鐵路施工安全事故工程經(jīng)驗的總結(jié),威脅施工安全的影響因素主要分為地質(zhì)條件、隧道相關(guān)參數(shù)、

既有鐵路風險、和施工參數(shù)4個層面。地質(zhì)條件主要包括:土體壓縮模量(C1)、黏聚力(C2)、內(nèi)摩擦角(C3)這三個方面,隧道相關(guān)參數(shù)主要涉及:新建隧道直徑(C4)、新建隧道埋深(C5)、穿越空間夾角(C6)、近接空間距離(C7)[13-15]4個方面,既有鐵路風險主要涉及既有鐵路等級(C8)、運營時速(C9)[16]、鐵路路基沉降(C10)、軌道差異沉降(C11)4個方面。在地鐵盾構(gòu)開挖施工階段,確定合理的盾構(gòu)機械施工參數(shù)對隧道施工及周圍結(jié)構(gòu)安全具有重要的意義。其中土倉壓力(C12)、注漿壓力(C13)、推進力(C14)、推進速度(C15)是施工過程中影響地基變形和結(jié)構(gòu)變形的主要因素[17],因此盾構(gòu)施工參數(shù)涉及4個方面。

為了便于評價系統(tǒng)的風險狀況,基于大量工程實踐、仿真和文獻總結(jié),參考相關(guān)規(guī)范要求[18-19],將盾構(gòu)下穿鐵路施工階段的安全風險總體水平(T)劃分為1(安全)、2(低風險)、3(中風險)、4(高風險)、5(極端風險)5個等級,對每個指標對應的風險等級取值范圍進行劃分?？陀^因素基于現(xiàn)場監(jiān)測及工程數(shù)據(jù)進行衡量,主觀因素由專家打分進行評判。評價指標安全風險等級劃分標準和取值范圍如表1所示。

表1 評價指標及標準

2.1.2貝葉斯網(wǎng)絡(luò)模型設(shè)計

首先基于2.1節(jié)中建立的盾構(gòu)下穿鐵路施工風險指標體系創(chuàng)建BN節(jié)點,然后通過分析節(jié)點之間的因果關(guān)系建立風險因素與目標風險事件之間有向性的邏輯關(guān)系,從而形成網(wǎng)絡(luò)結(jié)構(gòu)。在隧道施工領(lǐng)域,經(jīng)過大量實踐積累了豐富的工程經(jīng)驗,涉及專家知識的利用和故障樹轉(zhuǎn)化是建筑領(lǐng)域用于創(chuàng)建BN結(jié)構(gòu)的有效方法。除此之外還要構(gòu)建條件概率表(CPT),它是反映變量之間關(guān)聯(lián)性的聯(lián)合概率分布集,貝葉斯網(wǎng)絡(luò)的定量推理是以它為前提和基礎(chǔ)實現(xiàn)的。

2.2 節(jié)點離散化

構(gòu)建貝葉斯網(wǎng)絡(luò)時,所開發(fā)的節(jié)點狀態(tài)為連續(xù)型變量或者混合變量,通常會造成具有連續(xù)父節(jié)點的離散子節(jié)點的條件概率無法確定,在使用上存在限制從而造成模型的精度下降,推理結(jié)果出現(xiàn)偏差。在云BN中,應用云模型的前向云算法對連續(xù)型節(jié)點數(shù)據(jù)的進行離散化處理,并轉(zhuǎn)化成先驗概率。

2.2.1定義云族

定義F為貝葉斯網(wǎng)絡(luò)中某連續(xù)型節(jié)點的歸一化風險論域,F=[0,1],D1,D2,…,Dn是論域F的兩兩無交集的充分完全劃分,F1,F2,…,Fn是相對于n個劃分的定性概念語言表示,即n個風險等級,對應的在論域F上生成n個相鄰的風險云族CloudF1,CloudF2,…,CloudFn。表2表示了論域上n個相鄰風險云族的定義。利用前向云算法根據(jù)輸入云數(shù)字特征生成大量云滴,用來生成云滴的云發(fā)生器的數(shù)字特征由表2得到。

表2 n個風險云族的劃分及數(shù)字特征

在正態(tài)云中,[Ex-3En,Ex+3En]區(qū)間對可涵蓋99.74%的云所表示的概念,符合正態(tài)分布中的“3σ”原則。因此為了保證論域上的各個云能夠很好的區(qū)分,并保留其表達優(yōu)勢,將云所接受的定性概念的范圍即云的熵設(shè)為論域?qū)挾鹊?/6,云的超熵根據(jù)經(jīng)驗設(shè)為熵的1/10。

2.2.2節(jié)點數(shù)據(jù)歸一化處理

貝葉斯網(wǎng)絡(luò)中各父節(jié)點的數(shù)據(jù)屬性、取值范圍等均有所不同,為了將變量的信息映射至風險論域的云族中,需要對所有變量進行歸一化處理,將規(guī)范后的數(shù)值綜合到[0,1]區(qū)間。式(4)給出了取值區(qū)間為[m,n]的變量歸一化公式。

(4)

根據(jù)式(4)可得上述指標的歸一化表達式,例如新建隧道直徑(C4)如式(5)所示。

(5)

2.2.3確定度-先驗概率轉(zhuǎn)換

將得到的歸一化變量值u,作為定性概念Fi的一次隨機實例,輸入到基于MATLAB代碼構(gòu)造的前向云發(fā)生器中,可獲得云滴drop(u,μ),其中μ是u值對CFi的確定度。式(6a)給出了計算確定度μ(u)的過程。云模型定義了確定性程度,貝葉斯網(wǎng)絡(luò)推理需要輸入概率,利用式(6b)將確定度轉(zhuǎn)換為BN源節(jié)點的先驗概率。

(6a)

(6b)

式中:α為一致性參數(shù),取值在(0,1]之間。α越大,表明確定度與概率轉(zhuǎn)換保持的一致性越高,這里建議使用α=1以達到最大的一致性。

2.3 風險值輸出

為了消除觀測信息確定度計算過程中的隨機性對最終系統(tǒng)風險評估值的影響,對于云模型轉(zhuǎn)化得到的觀測節(jié)點在各個風險狀態(tài)的邊際分布概率進行多次重復計算,并輸入到云貝葉斯網(wǎng)絡(luò)中進行迭代推理,通過概率聚合獲取各個風險等級的概率分布結(jié)果,將風險等級劃分為n個水平,表示為{F1,F2,…,Fn},設(shè)定Rj(Fi)是利用云貝葉斯網(wǎng)絡(luò)風險度量結(jié)果j隸屬于風險水平Fi的概率,用Rj={Rj(F1),Rj(F2),…,Rj(Fn)}表示。經(jīng)過k次重復推理獲取k個計算結(jié)果{R1,R2,…,Rk},對{R1,R2,…,Rk}進行概率合成得到式(7),式(8)表示了風險水平Fi下k個結(jié)果的聚合概率。

R={R(F1),R(F2),…,R(Fn)}

(7)

i=1,2,…,n;j=1,2,…,k

(8)

為了進一步的反映風險概率的不確定性程度,通過正態(tài)云模型生成綜合云的方式獲取具體的不確定風險值。因此本研究可根據(jù)表1中的云特征值,由云模型運算法則可得到綜合云CZ參數(shù)(ExZ,EnZ,HeZ)。它綜合了概率和不確定性,更加全面地反映了風險度量結(jié)果。

(9)

2.4 敏感性分析和風險診斷

本研究利用敏感度性能度量(Sensitivity Performance Measure,SPM)來評估每個風險因素變化對風險事件的貢獻程度,確定關(guān)鍵的風險因素,以幫助決策者明確施工過程中的監(jiān)測和控制重點,從而有針對性地采取管控措施。假設(shè)根節(jié)點風險因素為Ci(i=1,2,…,n),ci表示每個根節(jié)點的狀態(tài),葉節(jié)點風險事件為T,SPM(Ci)作為衡量根節(jié)點靈敏度的指標,計算式如式(10)所示。

(10)

式中:Qi是Ci的狀態(tài)個數(shù)。SPM(Ci)越接近于1,說明根節(jié)點的敏感度越大,應當重點關(guān)注。

風險診斷分析旨在涉及不可避免發(fā)生事故的情況下,計算各危險因素Ci的后驗概率分布。致險因子Ci的后驗概率用P(Ci=c|T=t)來表示,如式(11)所示。

i=1,2,…,n

(11)

其中P(Ci=c|T=t)越高,更接近于1,可將Ci視為造成事故T=t可能性最大的致因,可快速查明最可能導致故障的致因組合,使得安全事件得到有效控制,降低風險程度避免事故的進一步惡化。

3 實例分析

3.1 工程背景

武漢市軌道交通6號線唐家墩站～石橋路站區(qū)間約右K25+495～K25+595范圍內(nèi)下穿京廣鐵路等股道群,共有12股道(其中漢孝城際高架2股道在建、京廣上下行線2股在建、城際場京廣上行聯(lián)絡(luò)線1股道在建)。下穿長度約100 m,區(qū)段線間距約10.2～10.7 m,隧道頂覆土厚度約22 m,區(qū)間隧道采用2臺土壓平衡式盾構(gòu)機進行掘進,盾構(gòu)機從石橋路站先后始發(fā),掘進至唐家墩站吊出,盾構(gòu)開挖區(qū)域所在土體為淤泥質(zhì)粉質(zhì)黏土夾粉土、粉砂。

3.2 盾構(gòu)下穿鐵路施工安全貝葉斯網(wǎng)絡(luò)構(gòu)建

根據(jù)表1給出的盾構(gòu)下穿鐵路施工風險指標體系,整合事故樹及專家經(jīng)驗等先驗知識,得到安全風險分析貝葉斯網(wǎng)絡(luò)拓撲結(jié)構(gòu),并建立關(guān)聯(lián)父節(jié)點與子節(jié)點的條件概率表,構(gòu)建模型如圖2所示。根據(jù)2.1.1節(jié)中的安全風險評價標準,貝葉斯網(wǎng)絡(luò)中每個節(jié)點都有5個狀態(tài),葉節(jié)點T表示的事件為系統(tǒng)總體風險,B1～B4,為中間節(jié)點,是影響風險的4個關(guān)鍵因素類別。C1～C15,15個指標為輸入變量是網(wǎng)絡(luò)中的根節(jié)點。

圖2 盾構(gòu)下穿鐵路施工系統(tǒng)風險的貝葉斯網(wǎng)絡(luò)模型

3.3 云模型離散化處理

選取該工程下穿其中一高鐵工程盾構(gòu)施工段某截面作為研究對象,收集對應指標體系的數(shù)據(jù),使用歸一化公式對原始數(shù)據(jù)進行處理,表3給出了用于該截面盾構(gòu)下穿鐵路施工安全風險分析的BN網(wǎng)絡(luò)各節(jié)點的觀測值。

表3 貝葉斯網(wǎng)絡(luò)各節(jié)點變量的觀測值

在[0,1]的論域上將風險云定義為5個相鄰的云族,依據(jù)表2將系統(tǒng)風險云族劃分為CloudF1(0,1/24,1/240),CloudF2(1/4,1/24,1/240),CloudF3(1/2,1/24,1/240),CloudF4(3/4,1/24,1/240),CloudF5(1,1/24,1/240),分別表示1(安全)、2(低風險)、3(中風險)、4(高風險)、5(極端風險)5個等級。圖3表示了風險云族的示意圖。

圖3 風險云族示意

3.4 風險推理預測

將表3中的歸一化數(shù)據(jù)和圖3定義的云族代入2.2節(jié)中的式(6a),根據(jù)前件云算法產(chǎn)生觀測值對

各云族的100組確定度并利用式(7)轉(zhuǎn)化成先驗概率輸入BN,利用構(gòu)建的貝葉斯網(wǎng)絡(luò)重復推理100次,通過2.3節(jié)中式(7)和(8)對100組風險概率分布進行聚合。表4給出了最終各類型節(jié)點風險狀態(tài)的聚合概率。

表4 不同類型風險的聚合概率分布

根據(jù)式(6a)計算綜合云的數(shù)字特征,并生成綜合云的云圖如圖4所示。由表4可知,葉節(jié)點T風險等級為3狀態(tài)的聚合概率最大,為0.383 9,在風險狀態(tài)為2等級取得第二大聚合概率為0.298 8,結(jié)合圖4可知,葉節(jié)點T的綜合云期望值為0.319 6,處在2級風險和3級風險水平之間,因此可以得到該盾構(gòu)下穿鐵路工程研究截面施工安全風險等級為3級(中風險)水平,并有向2級(低風險)狀態(tài)發(fā)展的趨勢,整體上來說該工程研究截面需要進一步加強風險管控,通過采取一定的措施將風險水平進一步降低。

二級云; 聚合云; 三級云。

進一步分析可以看出土質(zhì)條件B1相關(guān)的風險和盾構(gòu)施工參數(shù)B4相關(guān)的風險較高,B1安全狀態(tài)處于3級(中風險)水平,有向4級(高風險)水平轉(zhuǎn)化的趨勢,B1安全狀態(tài)處于3級(中風險)水平,有向4級(高風險)水平轉(zhuǎn)化的趨勢,B4安全狀態(tài)處于3級(中風險)水平,有向2級(低風險)轉(zhuǎn)化的趨勢。隧道相關(guān)參數(shù)B2、既有鐵路風險B3的安全等級均為2級,有向3級轉(zhuǎn)化的趨勢,B1的風險值大于B4大于B3大于B2,因此可基本判斷導致該截面下穿施工總體處于中風險水平的因素顯著表現(xiàn)在地質(zhì)條件和盾構(gòu)機械參數(shù)兩方面,應對土質(zhì)和施工條件通過注漿改善土體、及時調(diào)整盾構(gòu)機械參數(shù)等有效措施降低風險,對于B2和B3則應加強監(jiān)控使其處在可控水平上。

3.5 敏感性分析

通過敏感性分析,可以快速識別出在各狀態(tài)下盾構(gòu)下穿鐵路施工誘發(fā)安全風險的關(guān)鍵影響因素,根據(jù)式(10)計算15個影響因素對葉節(jié)點T在較高風險等級下(T3、T4)的敏感度,敏感度越大,表示根節(jié)點對葉節(jié)點T的影響越大。計算得到了基于100個樣本的所關(guān)注根節(jié)點的SPM均值如圖5所示。

從圖5可以看出,當T3時,即安全風險狀態(tài)處在中風險時,軌道差異沉降C11、新建隧道埋深C5、穿越空間夾角C6、既有鐵路等級C8四個因素的敏感度相對較大,對盾構(gòu)下穿鐵路施工安全風險處在3等級的影響較大;當T4時,新建隧道埋深C5、推進速度C15、土倉壓力C12、推進力C14因素敏感度較大。兩種風險狀況下,較敏感的因素存在較大差異?？偟膩砜?在施工前應該結(jié)合隧道與鐵路相對位置及各自狀況制定切實可行的施工方案,在施工過程中,盾構(gòu)施工參數(shù)的對于系統(tǒng)處在高風險水平的影響會逐漸增強,要注意對施工參數(shù)及時進行分析調(diào)整和設(shè)計優(yōu)化,控制和降低潛在風險,保證良好的施工管理水平。此外整體風險到達較高的水平時,15個影響因素的SPM均呈現(xiàn)顯著增大變化趨勢,T4時的各因子SPM基本為T3的1倍,也進一步說明了當系統(tǒng)面臨越來越大的風險時,敏感性因素會起到重要影響,通過敏感性分析及時制定相關(guān)控制措施為風險管控提供了重要保障和決策支持。

3.6 風險診斷

基于貝葉斯網(wǎng)絡(luò)的逆向推理技術(shù),利用公式(12)可以計算各個致險因素對總體風險狀況惡化發(fā)生工程安全事故的后驗概率。假設(shè)事故發(fā)生安全風險等級處在較高P(T4)=1的情況下,圖6給出了T4等級下15個影響因素后驗概率的分布情況。

從結(jié)果可以看出,土體壓縮模量C1、既有鐵路等級C8兩個因素的風險水平處于狀態(tài)4的概率最大,接近100%,是最可能導致安全事故的直接誘因。其次土體黏聚力C2、內(nèi)摩擦角C3、近接空間距離C7、土倉壓力C12、推進力C14五個因素也處在相對較高的風險狀態(tài),總的來說土質(zhì)條件致災可能性最高。可以通過防災設(shè)施的建立來降低風險,如護坡、擋土墻、防洪堤等,加強土地的穩(wěn)定性和抗災能力。為了減少尋因的盲目性,需要對初步診斷出的可能引起事故發(fā)生的最典型因素給予更多關(guān)注,因此在進一步的故障診斷過程中,可針對性地根據(jù)危險程度對這些因素進行第二輪的排查。也就是說,將C1=4作為給定新的證據(jù)輸入到云BN模型中,實現(xiàn)下一個P(Ci|T4,C1=4)的故障診斷,以此類推將上一步的診斷結(jié)果作為下一步診斷的證據(jù)信息不斷去進行多輪的診斷分析,直到找到最可能的致因組合,較好地控制住總體風險的演化。

4 結(jié)束語

1)提出基于云模型和貝葉斯網(wǎng)絡(luò)的動態(tài)安全評價推理模型,并說明了基于該模型的盾構(gòu)下穿鐵路施工過程風險評估方法的具體步驟,主要包括:建立風險指標體系、貝葉斯網(wǎng)絡(luò)構(gòu)建、云模型獲取先驗概率、風險概率推理預測風險診斷等過程,為盾構(gòu)下穿鐵路近接施工系統(tǒng)實時安全決策分析提供支持。

2)基于大量文獻和工程經(jīng)驗總結(jié),從地質(zhì)條件、隧道相關(guān)參數(shù)、既有鐵路風險和盾構(gòu)施工參數(shù)4個方面來識別影響盾構(gòu)下穿鐵路施工系統(tǒng)安全的風險因素,構(gòu)建涵蓋了15個影響因素的安全風險評價指標體系和評價標準。

3)結(jié)合工程實例,利用云貝葉斯模型進行推理,得到系統(tǒng)的風險水平為3等級(中風險)。通過敏感性分析可知盾構(gòu)下穿鐵路安全風險事件的發(fā)生與隧道埋深、直徑,軌道沉降,施工參數(shù)密切相關(guān),是安全控制的重點,并利用反向推理獲得致險因素診斷概率值以指導施工。驗證了該方法用于盾構(gòu)下穿施工動態(tài)安全風險評價的實用性和優(yōu)越性。